Réseau récurrent à portes - Historique des versions

Pitpitt le 25 septembre 2026 à 22:02

2026-09-25T22:02:05Z

← Version précédente		Version du 25 septembre 2026 à 18:02
Ligne 8 :		Ligne 8 :
	<hr/>		<hr/>
	Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.		Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.


			'''Robotique''' - Gated Recurrent Unit — une architecture de réseau de neurones récurrent qui utilise des mécanismes de gating (portes de réinitialisation et de mise à jour) pour mémoriser ou oublier sélectivement l'information au fil du temps. Les GRU sont plus simples que les LSTM avec des performances comparables.

			En robotique, les GRU sont utilisés dans les politiques de contrôle qui nécessitent une mémoire des observations passées, comme dans les paramètres POMDP où l'état complet n'est pas observable.

	==Français==		==Français==
	'''réseau de neurones récurrent à portes'''		'''réseau de neurones récurrent à portes'''
Ligne 31 :		Ligne 37 :

	[[Utilisateur:Patrickdrouin \| Source: Termino]]		[[Utilisateur:Patrickdrouin \| Source: Termino]]

			[https://www.roboticscenter.ai/fr/glossary Source : Robotic Center]

			{{Modèle:Robotique}}
			[[Catégorie:Robotique]]

	[[Category:Intelligence artificielle]]		[[Category:Intelligence artificielle]]

Patrickdrouin le 12 août 2025 à 19:20

2025-08-12T19:20:58Z

← Version précédente		Version du 12 août 2025 à 15:20
Ligne 5 :		Ligne 5 :
	Le réseau récurrent à portes comporte un seul vecteur d'état et fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.		Le réseau récurrent à portes comporte un seul vecteur d'état et fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.
	<hr/>		<hr/>
	Les réseaux de neurones récurrents à portes ont été développés pour résoudre le [[évanescence ~~du gradient\|problème de la disparition~~ du gradient]] que peuvent poser les [[réseau récurrent\|réseaux de neurones récurrents]] réguliers. Ils peuvent être considérés comme une variante des [[réseau récurrent à longue mémoire court terme\|réseaux de neurones récurrents à longue mémoire court terme]] parce qu'ils sont de conception similaire et produisent des résultats identiques dans beaucoup de cas.		Les réseaux de neurones récurrents à portes ont été développés pour résoudre le problème de l'[[évanescence du gradient]] que peuvent poser les [[réseau récurrent\|réseaux de neurones récurrents]] réguliers. Ils peuvent être considérés comme une variante des [[réseau récurrent à longue mémoire court terme\|réseaux de neurones récurrents à longue mémoire court terme]] parce qu'ils sont de conception similaire et produisent des résultats identiques dans beaucoup de cas.
	<hr/>		<hr/>
	Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.		Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.

Claude COULOMBE le 12 août 2025 à 19:18

2025-08-12T19:18:57Z

← Version précédente		Version du 12 août 2025 à 15:18
Ligne 5 :		Ligne 5 :
	Le réseau récurrent à portes comporte un seul vecteur d'état et fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.		Le réseau récurrent à portes comporte un seul vecteur d'état et fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.
	<hr/>		<hr/>
	Les réseaux de neurones récurrents à portes ont été développés pour résoudre le [[~~Problème_de_la_disparition_du_gradient~~\|problème de la disparition du gradient]] que peuvent poser les [[réseau récurrent\|réseaux de neurones récurrents]] réguliers. Ils peuvent être considérés comme une variante des [[réseau récurrent à longue mémoire court terme\|réseaux de neurones récurrents à longue mémoire court terme]] parce qu'ils sont de conception similaire et produisent des résultats identiques dans beaucoup de cas.		Les réseaux de neurones récurrents à portes ont été développés pour résoudre le [[évanescence du gradient\|problème de la disparition du gradient]] que peuvent poser les [[réseau récurrent\|réseaux de neurones récurrents]] réguliers. Ils peuvent être considérés comme une variante des [[réseau récurrent à longue mémoire court terme\|réseaux de neurones récurrents à longue mémoire court terme]] parce qu'ils sont de conception similaire et produisent des résultats identiques dans beaucoup de cas.
	<hr/>		<hr/>
	Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.		Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.

Pitpitt : Remplacement de texte : « Category:Termino 2019 » par «  »

2024-10-11T13:31:41Z

Remplacement de texte : « Category:Termino 2019 » par «  »

← Version précédente		Version du 11 octobre 2024 à 09:31
Ligne 35 :		Ligne 35 :
	[[Category:Apprentissage automatique]]		[[Category:Apprentissage automatique]]
	[[Category:Apprentissage profond]]		[[Category:Apprentissage profond]]
	~~[[Category:Termino 2019]]~~
	[[Category:GRAND LEXIQUE FRANÇAIS]]		[[Category:GRAND LEXIQUE FRANÇAIS]]

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T17:27:23Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 28 janvier 2024 à 13:27
Ligne 22 :		Ligne 22 :
	'''GRU'''		'''GRU'''

	~~<small>~~		==Sources==

	Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages.		Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages.

Claude COULOMBE le 19 novembre 2023 à 07:35

2023-11-19T07:35:18Z

← Version précédente		Version du 19 novembre 2023 à 03:35
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Le réseau récurrent à portes est une variante simplifiée et plus rapide à entraîner du réseau récurrent à longue mémoire court terme [[Réseau_récurrent_à_longue_mémoire_court_terme\|(LMCT)]].		Le réseau récurrent à portes est une variante simplifiée et plus rapide à entraîner du [[réseau récurrent]] à longue mémoire court terme [[Réseau_récurrent_à_longue_mémoire_court_terme\|(LMCT)]].

	== Compléments ==		== Compléments ==

Claude COULOMBE le 1 décembre 2022 à 07:34

2022-12-01T07:34:31Z

← Version précédente		Version du 1 décembre 2022 à 03:34
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Le réseau récurrent à portes est une variante simplifiée du ~~[[Réseau_récurrent_à_longue_mémoire_court_terme\|~~réseau récurrent à longue mémoire court terme (LMCT)]]		Le réseau récurrent à portes est une variante simplifiée et plus rapide à entraîner du réseau récurrent à longue mémoire court terme [[Réseau_récurrent_à_longue_mémoire_court_terme\|(LMCT)]].

	Réseau de neurones récurrent à longue mémoire à court terme qui comporte un seul vecteur d'état, fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.

	Notes: les réseaux de neurones récurrents à portes ont été développés pour résoudre le problème de la disparition du gradient que peuvent poser les réseaux de neurones récurrents réguliers. Ils peuvent être considérés comme une variante des réseaux de neurones récurrents à longue mémoire à court terme parce qu'ils sont de conception similaire et produisent des résultats identiques dans certains cas.

	~~Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA [[https://arxiv.org/pdf/1406.1078.pdf Chung et al, 2014<nowiki>]</nowiki>~~].

			== Compléments ==
			Le réseau récurrent à portes comporte un seul vecteur d'état et fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.
			<hr/>
			Les réseaux de neurones récurrents à portes ont été développés pour résoudre le [[Problème_de_la_disparition_du_gradient\|problème de la disparition du gradient]] que peuvent poser les [[réseau récurrent\|réseaux de neurones récurrents]] réguliers. Ils peuvent être considérés comme une variante des [[réseau récurrent à longue mémoire court terme\|réseaux de neurones récurrents à longue mémoire court terme]] parce qu'ils sont de conception similaire et produisent des résultats identiques dans beaucoup de cas.
			<hr/>
			Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA de l'Université de Montréal.
	==Français==		==Français==
	'''réseau de neurones récurrent à portes'''		'''réseau de neurones récurrent à portes'''
Ligne 21 :		Ligne 21 :

	'''GRU'''		'''GRU'''


	<small>		<small>

	Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages.		Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages.

			[[https://arxiv.org/pdf/1406.1078.pdf Cho et al, 2014] arxiv - Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation].

	[[Utilisateur:Claude COULOMBE \| Source: Claude Coulombe, Datafranca.org]]		[[Utilisateur:Claude COULOMBE \| Source: Claude Coulombe, Datafranca.org]]

Claude COULOMBE le 1 décembre 2022 à 07:24

2022-12-01T07:24:56Z

← Version précédente		Version du 1 décembre 2022 à 03:24
Ligne 6 :		Ligne 6 :
	Notes: les réseaux de neurones récurrents à portes ont été développés pour résoudre le problème de la disparition du gradient que peuvent poser les réseaux de neurones récurrents réguliers. Ils peuvent être considérés comme une variante des réseaux de neurones récurrents à longue mémoire à court terme parce qu'ils sont de conception similaire et produisent des résultats identiques dans certains cas.		Notes: les réseaux de neurones récurrents à portes ont été développés pour résoudre le problème de la disparition du gradient que peuvent poser les réseaux de neurones récurrents réguliers. Ils peuvent être considérés comme une variante des réseaux de neurones récurrents à longue mémoire à court terme parce qu'ils sont de conception similaire et produisent des résultats identiques dans certains cas.

	Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA [Chung et al, 2014].		Notons au passage que le réseau de neurones récurrent à portes a été créé en 2014 au laboratoire MILA [[https://arxiv.org/pdf/1406.1078.pdf Chung et al, 2014<nowiki>]</nowiki>].

	==Français==		==Français==

Claude COULOMBE le 1 décembre 2022 à 07:23

2022-12-01T07:23:15Z

← Version précédente		Version du 1 décembre 2022 à 03:23
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
			Le réseau récurrent à portes est une variante simplifiée du [[Réseau_récurrent_à_longue_mémoire_court_terme\|réseau récurrent à longue mémoire court terme (LMCT)]]

	Réseau de neurones récurrent à longue mémoire à court terme qui comporte un seul vecteur d'état, fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.		Réseau de neurones récurrent à longue mémoire à court terme qui comporte un seul vecteur d'état, fusionne les portes d'entrée et d'oubli en une porte de mise-à-jour et remplace la porte de sortie par une porte de réinitialisation.

Claude COULOMBE : Claude COULOMBE a déplacé la page Réseau de neurones récurrent à portes vers Réseau récurrent à portes par-dessus une redirection

2022-12-01T07:18:06Z

Claude COULOMBE a déplacé la page Réseau de neurones récurrent à portes vers Réseau récurrent à portes par-dessus une redirection

← Version précédente	Version du 1 décembre 2022 à 03:18
(Aucune différence)